Graduate Student Perspectives of Interdisciplinary and Disciplinary Programming for Teaching Development
Notice bibliographique
Résumé
Interdisciplinary (i.e., university-wide programming) and disciplinary (i.e., programming open to participants from one college or department) teaching development programs for graduate students have been used for many years in higher education. Currently, research on the benefits of these teaching models remains scant in terms of a contextualized understanding, and empirical studies are needed. The purpose of this study was to determine graduate students’ perspectives related to interdisciplinary and disciplinary teaching and learning experiences. Two online surveys were used: a quantitative survey and a qualitative follow-up survey. Three participatory focus groups were also conducted to allow for further in-depth exploration in both an interdisciplinary and disciplinary group setting that represented seven distinct colleges. Statistical and thematic analyses were conducted with survey responses, and thematic analyses were conducted on focus group data. Similar themes emerged from the survey and focus group data identifying perceived benefits of participation in either interdisciplinary or disciplinary teaching development. Respondents’ perceived benefits were related to: (a) becoming a better teacher; (b) social learning; and (c) that while the perceived benefits of the models vary, the outcomes of both experiences are shared. The lived experiences of these graduate students expand the characterization of interdisciplinary and disciplinary programming. This study points to the need for graduate student programs—specifically teaching development offered by educational development units—to provide both interdisciplinary and disciplinary teaching development opportunities that achieve a blend of benefits for learners. Les programmes interdisciplinaires (c’est-à-dire les programmes offerts à l’échelle de l’université) et disciplinaires (c’est-à-dire ceux qui sont ouverts aux participants d’un collège ou d’un département) de perfectionnement de l’enseignement pour étudiants de cycle supérieur existent depuis de nombreuses années en enseignement supérieur. À l’heure actuelle, la recherche sur les avantages de ces modèles d’enseignement reste très incomplète en matière de compréhension contextualisée et il y a grand besoin de mener des études empiriques. Le but de cette étude était de déterminer les perspectives des étudiants de cycle supérieur liées aux expériences d’enseignement et d’apprentissage interdisciplinaires et disciplinaires. Deux sondages en ligne ont été employés : un sondage quantitatif et un sondage de suivi qualitatif. Également, trois groupes de discussion participatifs ont été organisés afin d’explorer plus profondément les contextes des groupes interdisciplinaires et disciplinaires qui représentaient sept collèges distincts. Des analyses statistiques et thématiques ont été effectuées avec les réponses aux sondages et des analyses thématiques ont été effectuées sur les données recueillies des groupes de discussion. Des thèmes semblables se sont dégagés des sondages et des données recueillies des groupes de discussion. Ces thèmes identifiaient les avantages perçus de la participation dans le perfectionnement de l’enseignement tant interdisciplinaire que disciplinaire. Les répondants ont perçu les avantages suivants : (a) possibilité de devenir de meilleurs enseignants; (b) apprentissage social; et (c) bien que les avantages perçus de chaque modèle varient, les résultats des deux expériences sont semblables. Les expériences vécues de ces étudiants de cycle supérieur élargissent la caractérisation des programmes interdisciplinaires et disciplinaires. Cette étude souligne la nécessité que les programmes pour étudiants de cycle supérieur – spécifiquement les programmes de perfectionnement de l’enseignement offerts dans le cadre d’unités de pédagogie – doivent offrir des occasions de perfectionnement de l’enseignement à la fois interdisciplinaires et disciplinaires pour que les apprenants tirent des deux modèles un mélange d’avantages.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».